【C++堆(优先队列)】2462. 雇佣 K 位工人的总代价|1763

闻缺陷则喜何志丹

于 2024-10-09 17:00:00 发布

阅读量699

点赞数 12

文章标签： c++ 算法力扣堆优先队列总代价雇佣

本文链接：https://blog.csdn.net/he_zhidan/article/details/142287379

版权

工作级难度算法题解专栏收录该内容

119 篇文章 0 订阅

订阅专栏

本文涉及知识点

C++堆(优先队列)

LeetCode2462. 雇佣 K 位工人的总代价

给你一个下标从 0 开始的整数数组 costs ，其中 costs[i] 是雇佣第 i 位工人的代价。
同时给你两个整数 k 和 candidates 。我们想根据以下规则恰好雇佣 k 位工人：
总共进行 k 轮雇佣，且每一轮恰好雇佣一位工人。
在每一轮雇佣中，从最前面 candidates 和最后面 candidates 人中选出代价最小的一位工人，如果有多位代价相同且最小的工人，选择下标更小的一位工人。
比方说，costs = [3,2,7,7,1,2] 且 candidates = 2 ，第一轮雇佣中，我们选择第 4 位工人，因为他的代价最小 [3,2,7,7,1,2] 。
第二轮雇佣，我们选择第 1 位工人，因为他们的代价与第 4 位工人一样都是最小代价，而且下标更小，[3,2,7,7,2] 。注意每一轮雇佣后，剩余工人的下标可能会发生变化。
如果剩余员工数目不足 candidates 人，那么下一轮雇佣他们中代价最小的一人，如果有多位代价相同且最小的工人，选择下标更小的一位工人。
一位工人只能被选择一次。
返回雇佣恰好 k 位工人的总代价。

示例 1：
输入：costs = [17,12,10,2,7,2,11,20,8], k = 3, candidates = 4
输出：11
解释：我们总共雇佣 3 位工人。总代价一开始为 0 。

第一轮雇佣，我们从 [17,12,10,2,7,2,11,20,8] 中选择。最小代价是 2 ，有两位工人，我们选择下标更小的一位工人，即第 3 位工人。总代价是 0 + 2 = 2 。
第二轮雇佣，我们从 [17,12,10,7,2,11,20,8] 中选择。最小代价是 2 ，下标为 4 ，总代价是 2 + 2 = 4 。
第三轮雇佣，我们从 [17,12,10,7,11,20,8] 中选择，最小代价是 7 ，下标为 3 ，总代价是 4 + 7 = 11 。注意下标为 3 的工人同时在最前面和最后面 4 位工人中。
总雇佣代价是 11 。
示例 2：

输入：costs = [1,2,4,1], k = 3, candidates = 3
输出：4
解释：我们总共雇佣 3 位工人。总代价一开始为 0 。

第一轮雇佣，我们从 [1,2,4,1] 中选择。最小代价为 1 ，有两位工人，我们选择下标更小的一位工人，即第 0 位工人，总代价是 0 + 1 = 1 。注意，下标为 1 和 2 的工人同时在最前面和最后面 3 位工人中。
第二轮雇佣，我们从 [2,4,1] 中选择。最小代价为 1 ，下标为 2 ，总代价是 1 + 1 = 2 。
第三轮雇佣，少于 3 位工人，我们从剩余工人 [2,4] 中选择。最小代价是 2 ，下标为 0 。总代价为 2 + 2 = 4 。
总雇佣代价是 4 。
提示：
1 <= costs.length <= 10⁵
1 <= costs[i] <= 10⁵
1 <= k, candidates <= costs.length

堆（优先队列)

先将[0,candidates-1] 放到小根堆heap中，right = max(candidates,n-candidates)在将[right,n)放到heap中。
left = candidates,rcosts[left,right-1]是未放到堆中的数据。
heap的元素:代价，下标。
如果选择的下标< left，且left < right。将costs[left],left放到堆中。left++。
如果选择的下标>=right,且left< right，将costs[right-1],right-1，放到堆中,right–。

代码

核心代码

class Solution {
		public:
			long long totalCost(vector<int>& costs, int k, int candidates) {
				priority_queue<pair<int, int>, vector<pair<int, int>>, greater< >> heap;
				for (int i = 0; i < candidates; i++) {
					heap.emplace(costs[i], i);
				}
				int right = max(candidates, (int)costs.size() - candidates);
				for (int i = right; i < costs.size(); i++) {
					heap.emplace(costs[i], i);
				}
				int left = candidates;
				long long ret = 0;
				while (k--) {
					ret += heap.top().first;
					const int iPopIndex = heap.top().second;
					heap.pop();
					if (left < right) {
						if (iPopIndex < left) {
							heap.emplace(costs[left], left);
							left++;
						}
						if (iPopIndex >= right) {
							right--;
							heap.emplace(costs[right], right);
						}
					}
					
				}
				return ret;
			}
		};

单元测试

vector<int> costs;
		int k, candidates;
		TEST_METHOD(TestMethod11)
		{
			costs = { 17, 12, 10, 2, 7, 2, 11, 20, 8 }, k = 3, candidates = 4;
			auto res = Solution().totalCost(costs, k, candidates);
			AssertEx(11LL, res);
		}
		TEST_METHOD(TestMethod12)
		{
			costs = { 1,2,4,1 }, k = 3, candidates = 3;
			auto res = Solution().totalCost(costs, k, candidates);
			AssertEx(4LL, res);
		}
		TEST_METHOD(TestMethod13)
		{
			costs = { 31,25,72,79,74,65,84,91,18,59,27,9,81,33,17,58 }, k =5, candidates = 2;
			auto res = Solution().totalCost(costs, k, candidates);
			AssertEx(164LL, res);
		}	
		TEST_METHOD(TestMethod14)
		{
			costs = { 31,25,72,79,74,65,84,91,18,59,27,9,81,33,17,58 }, k = 6, candidates = 2;
			auto res = Solution().totalCost(costs, k, candidates);
			AssertEx(173LL, res);
		}
		TEST_METHOD(TestMethod15)
		{
			costs = { 31,25,72,79,74,65,84,91,18,59,27,9,81,33,17,58 }, k = 11, candidates = 2;
			auto res = Solution().totalCost(costs, k, candidates);
			AssertEx(423LL, res);
		}

扩展阅读

我想对大家说的话
工作中遇到的问题，可以按类别查阅鄙人的算法文章，请点击《算法与数据汇总》。
学习算法：按章节学习《喜缺全书算法册》，大量的题目和测试用例，打包下载。重视操作
有效学习：明确的目标及时的反馈拉伸区（难度合适）专注
闻缺陷则喜(喜缺)是一个美好的愿望，早发现问题，早修改问题，给老板节约钱。
子墨子言之：事无终始，无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙，那算法就是他的是睛
失败+反思=成功成功+反思=成功